Una ML-BOM (llista de materials d'aprenentatge automàtic) és un inventari llegible per màquina dels models, conjunts de dades, marcs de treball i dependències que componen un sistema d'IA, juntament amb l'origen de cadascun.
- Per què existeix: una tradicional SBOM enumera biblioteques de codi. No descriu un model, les seves dades d'entrenament ni la seva procedència.
- Els formats: CycloneDX ML-BOM (standarditzat com a ECMA-424) i els perfils d'IA i conjunt de dades SPDX 3.0.
- La guia: el G7 SBOM per a la IA: Elements mínims, publicat el maig de 2026, defineix set clústers de dades. És voluntari.
- La part difícil: no el format. Es tracta de trobar tots els actius d'IA en primer lloc.
La definició: què és un ML-BOM? #
Pregunteu a la majoria d'equips d'enginyeria quines biblioteques de codi obert utilitzen les seves aplicacions i us poden respondre en qüestió de minuts, perquè les seves SBOM els ho diu. Si pregunteu de quins models, conjunts de dades i marcs d'IA depèn la mateixa aplicació, la resposta normalment comença amb "deixeu-me comprovar-ho".
Una llista de materials d'aprenentatge automàtic (ML-BOM) tanca aquesta bretxa. És l'equivalent en intel·ligència artificial d'una llista de materials de programari: un registre estructurat i llegible per màquina de cada component d'aprenentatge automàtic d'un sistema. Per a cada model, captura la identitat, la versió, el proveïdor i la llicència, a més de detalls. SBOM mai no s'han necessitat, com ara els conjunts de dades amb què s'ha entrenat, el seu ús previst i les seves limitacions conegudes.
El terme prové de CycloneDX, que va afegir compatibilitat amb ML-BOM a la versió 1.5. També veureu IA-BOM i SBOM per a la IA utilitzat per a la mateixa idea, normalment amb un abast més ampli que inclou agents, indicacions i serveis d'IA, no només models entrenats.
Què conté un ML-BOM #
Els camps exactes depenen del format, però un ML-BOM útil respon a cinc preguntes sobre cada component d'IA:
- Què és? Nom, versió, tipus i arquitectura del model.
- D'on va sortir? Proveïdor, repositori font o centre de models i llicència.
- En què es va entrenar? Els conjunts de dades utilitzats, el seu origen i qualsevol sensibilitat coneguda.
- De què depèn? Els frameworks, les biblioteques i la infraestructura que necessita per funcionar.
- Quins són els seus límits? Ús previst, riscos coneguts i característiques de rendiment.
Les directrius del G7 agrupen les mateixes idees en set grups: metadades, propietats a nivell de sistema, models, propietats del conjunt de dades, infraestructura, propietats de seguretat i indicadors clau de rendiment.
Per què els ML-BOM són importants ara #
La IA està entrant a les bases de codi sense revisió. Els desenvolupadors extreuen models de centres públics, afegeixen marcs d'IA i connecten servidors MCP tan fàcilment com afegeixen una biblioteca. Cadascun aporta codi, pesos i dades que l'organització no ha escrit i que potser no ha verificat.
La cadena de subministrament d'IA és una superfície d'atac. L' Els 10 millors de l'OWASP per a sol·licituds de LLM enumera la cadena de subministrament com a risc LLM03: models compromesos, dades enverinades i paquets maliciosos a la pila d'IA. No es pot avaluar un component que no es sap que hi és.
Els compradors i els auditors comencen a preguntar. Cap reglament obliga a tenir un ML-BOM (Llibreta de Matemàtiques Acadèmiques) nominativament. Però la Llei d'IA de la UE espera documentació tècnica per als sistemes d'IA d'alt risc, mentre que la Llei de ciberresiliència exigeix una SBOM, i marcs com l'ENS d'Espanya requereixen un inventari d'actius. Un ML-BOM és l'evidència pràctica que hi ha darrere dels tres, i els equips de contractació l'estan afegint als seus qüestionaris.
Com crear una llista de materials d'aprenentatge automàtic (ML-BOM) #
Escriure'n un a mà funciona per a un sol model. No funciona per a una organització. Un enfocament sostenible té tres parts:
- Connecta-ho al risc. Un inventari sobre el qual ningú actua és paperassa. Cada component hauria de vincular-se a les seves vulnerabilitats, la seva llicència i la seva procedència.
- Descobreix automàticament. Escaneja el codi, les dependències declarades i els fitxers de configuració en lloc de confiar que els desenvolupadors informin del que utilitzen.
- Generar contínuament. Regenerar el ML-BOM sempre que canviï un model, conjunt de dades o dependència, de la mateixa manera que els equips madurs es regeneren. SBOMs en CI.
Saps quina IA fas servir abans que algú et pregunti #
Seguretat d'IA Xygeni descobreix els recursos d'IA als vostres repositoris (models, marcs d'IA, conjunts de dades, punts finals d'inferència, agents, servidors MCP, habilitats, indicacions, guardrails i les eines de codificació d'IA en ús) del codi de l'aplicació, les dependències declarades i els fitxers de configuració que deixen enrere les eines d'IA. Res depèn que els desenvolupadors declarin què utilitzen.
A partir d'aquest inventari, Xygeni genera una IA-BOM llegible per màquina que podeu lliurar als auditors i clients. Les dependències de la pila d'IA reben el mateix tractament que la resta del codi: CVE mitjançant l'anàlisi de la composició del programari i paquets maliciosos detectats abans que existeixi una signatura.
Programa una demostració per veure la IA-BOM de la vostra pròpia base de codi.
FAQ #
Un ML-BOM és una llista d'ingredients per a la IA. Registra quins models, conjunts de dades i marcs de treball utilitza un sistema i d'on prové cadascun, de manera que els equips de seguretat, legal i de compliment poden avaluar el risc.
Principalment. L'equip vermell de LLM se centra en models de llenguatge i aplicacions basades en ells. L'equip vermell d'IA és Els termes se superposen. ML-BOM és el nom de CycloneDX i se centra en models i conjunts de dades d'aprenentatge automàtic. AI-BOM és més ampli i sovint també inclou agents, indicacions, servidors MCP i serveis d'IA.
No pel seu nom. És l'evidència pràctica de les obligacions que existeixen, com ara la documentació tècnica de la Llei d'IA de la UE per a sistemes d'alt risc i la SBOM requerit per la Llei de ciberresiliència. Els elements mínims del G7 per a un SBOM per a la IA són voluntàries.
Els dos formats establerts són CycloneDX ML-BOM, standarditzat com a ECMA-424, i el SPDX 3.0 Perfils d'IA i conjunts de dades. Trieu el que ja teniu. SBOM les eines ja admeten, de manera que els inventaris de programari i IA conviuen.
